Задача

library(plotly)
library(crosstalk)
library(DBI)
library(ggplot2)
library(partykit)
library(caret)

Увольнение сотрудника из компании влечёт за собой некоторые издержки со стороны компании: нужно искать замену на освободившееся место, нужно будет обучить новичка, также уменьшается привлекательность работы в данной компании (если из компании увольняется большое количество людей, то меньшее количество потенциальных сотрудников желает туда попасть). Поэтому компании выгоден стабильный рабочий состав. Представим, что к нам обратилась одна из компаний, желающая уменьшить текучку кадров. Наша задача – исследовать причины, по которым сотрудники оставляют работу в данной компании и предложить некоторые меры, которые эта компания может предпринять, чтобы добиться поставленной цели.

Анализ

Данные и логика анализа

Подключимся к базе данных о сотрудниках компании, которую заказчик нам предоставил.

library(DBI)
con <- dbConnect(ClickHouseHTTP::ClickHouseHTTP(), 
                 user='studentminor', 
                 password='DataMinorHSE!2023', 
                 dbname='employee', 
                 host='rc1a-i6ui9dhblsq8rgdo.mdb.yandexcloud.net',
                 port = 8443,
                 https=TRUE,
                 ssl_verifypeer=FALSE)
#dbListTables(con)

Посмотрим, как именно распределяются все сотрудники и, в частности, те, кто ушёл, по возрасту, стажу в компании и удовлетворённости работой.

data2 = dbGetQuery(con, 'SELECT Age, YearsAtCompany, JobSatisfaction, Attrition FROM profile INNER JOIN portfolio ON profile.EmployeeNumber = portfolio.EmployeeNumber')

library(plotly)
library(crosstalk)
sharedData <- SharedData$new(data2)
# расположим по столбцам -- оборачиваем в функцию bscols()
bscols(
  widths = c(3,NA), # как расположим элементы (всего 8 колонок, 3 из них занимает фильтр)
  filter_select("status", # id элемента, понадобится, если будем потом к нему обращаться
                "Ушел или нет", # название элемента, которое отображается в интерфейсе
                sharedData, # совместно используемые данные, созданные выше
                ~Attrition, # из какой переменной взяты значения для фильтра
                multiple = FALSE), # нужен ли множественный выбор в элементе
  plot_ly(sharedData, 
        x = ~Age, y = ~YearsAtCompany, color = ~JobSatisfaction,
        colors = c("#CDCD00", "#CD4F39", "#CD8500", "#7CCD7C"),
        type = "scatter")  |>
        layout(xaxis = list(title = "Возраст"), yaxis = list(title = "Стаж в компании"))
)

Видим, что в основном в компании работают сотрудники со стажем в данной компании меньше 10 лет, а уходят в основном сотрудники со стажем меньше 10 лет и возрастом меньше 35 лет. Кстати, мы не можем сказать, что уходят в основном те, кто не удовлетворён работой: среди тех, кто ушёл, немало тех, кто оценивал свою удовлетворённость как очень высокую и высокую. То есть график для тех, кто ушёл, выглядит довольно разноцветно вместо ожидаемого преобладания синего и оранжевого цвета.

В качестве целевого сегмента выберем молодых (возраст до 35 лет) людей, работающих в компании не более чем 7 лет. Теоретически, это самые потенциально полезные работники: молодые люди могут оставаться на переработке, они более мобильные, значит, смогут ездить в командировки, также они, как правило, более социальные и могут предложить новые идеи. Но также они с меньшим риском для себя могут сменить работу, поэтому удержать их труднее.

Посмотрим на общий отток сотрудников и на отток в выбранном сегменте:

data = dbGetQuery(con, "SELECT Attrition, COUNT(*) AS n FROM portfolio GROUP BY Attrition")
data$Attrition = as.factor(data$Attrition)

data_young = dbGetQuery(con, "SELECT * FROM profile INNER JOIN portfolio ON profile.EmployeeNumber = portfolio.EmployeeNumber
                  WHERE (Age <= 35 AND YearsAtCompany <= 7)")

data_young_att = dbGetQuery(con, "SELECT Attrition, COUNT(*) AS m FROM profile INNER JOIN portfolio ON profile.EmployeeNumber = portfolio.EmployeeNumber
                  WHERE (Age <= 35 AND YearsAtCompany <= 7)
                  GROUP BY Attrition")

data_young_att$Attrition = as.factor(data_young_att$Attrition)

library(dplyr)
att = inner_join(data, data_young_att, by = 'Attrition')

g = ggplot(att) + geom_bar(aes(x = Attrition, y = n), stat = "identity", alpha = 0.5, fill = "red") + geom_bar(aes(x = Attrition, y = m), alpha = 0.5, fill = "blue", stat = "identity")

ggplotly(g)   |>
        layout(xaxis = list(title = "Отток"), yaxis = list(title = "Количество"))

Заметим, что здесь пропорции разные: доля тех, кто ушёл из компании, в выбранном сегменте (примерно 0.27) существенно выше, чем доля тех, кто ушёл из компании в целом (примерно 0.17). Поэтому далее будем работать с выбранной группой людей.

Преобразуем переменные character в factor.

library(dplyr)
data_young = dbGetQuery(con, "SELECT * FROM profile INNER JOIN portfolio ON profile.EmployeeNumber = portfolio.EmployeeNumber
                  WHERE (Age <= 35 AND YearsAtCompany <= 7)")

data_young = data_young %>% mutate_if(is.character, as.factor)
data_young$Attrition = as.factor(data_young$Attrition)

Модель

Построим модель, позволяющую предсказывать, уйдёт сотрудник из компании или нет. Я решила построить дерево.

data_young = select(data_young, -EmployeeNumber)

set.seed(7777) #Тестовая и обучающая выборка
data_young.ind = createDataPartition(data_young$Attrition, p = 0.75, list = F, times = 1)
data_young.train = data_young[data_young.ind,]
data_young.test = data_young[-data_young.ind,]


treemodel = ctree(Attrition~., data = data_young.train)
plot(treemodel)

predTest = predict(treemodel, data_young.test)
#confusionMatrix(predTest, data_young.test$Attrition)

Наша модель имеет точность примерно 0.74, что, в целом, неплохо, дальше будем её использовать.

Посмотрим на важность переменных:

library(vip)
vip(treemodel)

Видим, что наибольшую роль в предсказании играет переменная OverTime, которая отвечает за то, есть ли переработки у сотрудника. Этот результат, в целом, ожидаем: молодых сотрудников проще вынудить работать сверхурочно. Ещё один аргумент: официальная зарплата может быть невелика, и молодым людям приходится работать дополнительно для получения дополнительных средств.

Симуляция

Предположим, что была проведена кампания, в результате которой были снижены переработки у молодых людей. Симулируем это следующим образом: каждый молодой сотрудник, работающий сверурочно, с вероятностью 20% перестанет это делать. Посмотрим, как теперь, в соответствии с предсказанием нашей модели, будет распределён отток сотрудников, и сравним с тем, что имеем в тестовой выборке:

data_young.test2 = data_young.test

set.seed(1111)
data_young.test2$OverTime[data_young.test2$OverTime == "Yes"] = 
  sample(c("Yes", "No"), 
         size = length(data_young.test2$OverTime[data_young.test2$OverTime == "Yes"]),
         replace = T, prob = c(0.80, 0.20))

predTest2 = predict(treemodel, data_young.test2)
data_young.test2$pred2 = predTest2

p = ggplot(data_young.test2) + geom_bar(aes(x = predTest2), alpha = 0.5, fill = "red") +
  geom_bar(aes(x = Attrition), alpha = 0.5) 

ggplotly(p)   |>
        layout(xaxis = list(title = "Отток"), yaxis = list(title = "Количество"))

Видим, что отток молодых сотрудников существенно уменьшился. Раньше доля тех, кто ушёл, составляла 0.27, а теперь составляет примерно 0.14.

Дэшборд

Данные для дэшборда я подбирала так, чтобы наиболее точно отразить основные моменты моего анализа. Я вынесла в дэшборд график, с помощью которого можно увидеть, что интересно рассматривать именно подгруппу молодых людей. Так же я указала долю ушедших среди всех сотрудников компании и долю ушедших только среди выделенного сегмента, чтобы можно было увидеть, насколько они отличаются. Затем я поместила в дэшборд интерактивный график, который показывает предполагаемый результат предложенной кампании, и также число, на которое уменьшилась доля ушедших, чтобы представить результат численно. Дэшборд будет полезен для представителей самой компании, чтобы увидеть внутреннюю ситуацию. Также он будет полезен для других подобных компаний, желающих уменьшить отток сотрудников. Информация в дэшборде представлена в доступной форме, так что почти всякий человек может разобраться в ситуации с его помощью.

Общие выводы

Мы исследовали ситуацию в компании относительно ухода из неё сотрудников. Увидели, что внимание стоит сосредоточить именно на подгруппе молодых и относительно недавно работающих в компании людей, вероятность для которых уйти из компании выше, чем та же вероятность в целом. Были обнаружены наиболее важные факторы, влияющие на уход людей из выбранного сегмента, и предложена кампания, которая ориентируется на самый важный из них. В результате наблюдаем предполагаемое существенное снижение оттока.

dbDisconnect(con)